Eine KI-Strategie entscheidungsreif entwickeln
Die Aufgabe
Dass Künstliche Intelligenz zur Positionierung beitragen soll, ist gesetzt. Wo sie ansetzt und in welcher Reihenfolge, ist offen.
KI-generiert vom Auftakt bis zur entscheidungsreifen KI-Strategie
priorisierte Anwendungsfälle, bewertet nach Nutzen, Aufwand und Umsetzbarkeit
prognostizierter Return on AI über 24 Monate, Break-Even nach zwölf bis fünfzehn Monaten
Kurz zum Kunden
Mittelständischer Hersteller von Heizsystemen für große Gebäude, inhabergeführt, mit starker Position im energieeffizienten Hallenheizen. Große Hallen verbrauchen einen erheblichen Teil der Gebäudeenergie; das Geschäft des Herstellers ist damit unmittelbar an Energie- und Klimaziele gekoppelt.
Unsere Lösung
Eine KI-Strategie scheitert selten an fehlenden Ideen. Sie scheitert daran, dass niemand die Ideen vergleichbar macht.
Die Aufgabe
Der Hersteller ist technologisch führend im energieeffizienten Heizen großer Hallen und will sich als Anbieter technologiebasierter Dekarbonisierungslösungen positionieren. Dass Künstliche Intelligenz dazu beitragen soll, ist gesetzt, wo ist offen. Vertrieb, Service, Einsatzplanung, Produktion und Entwicklung haben je eigene Vorstellungen, die Systemlandschaft ist gewachsen, eine zentrale Kundendatenbasis fehlt. Gesucht ist keine Studie, sondern eine Grundlage, auf der die Geschäftsführung entscheiden kann: was zuerst, was später, und was es bringt.
Unser Ansatz
Die Kriterien zuerst, dann die Anwendungsfälle. Im Auftakt haben wir nicht Ideen gesammelt, sondern gemeinsam festgelegt, woran ein Anwendungsfall gemessen wird: Aufwandsreduktion, Prozessqualität, mühelose Nutzung, Zeit bis zur Wirkung. Dazu kamen die Kriterien, die aus dem Unternehmen selbst aufkamen, darunter eines, das man selten offen ausspricht: Unabhängigkeit von Schlüsselpersonen. Wer die Kriterien erst nach den Ideen entwickelt, bewertet sich zu dem Ergebnis, das er ohnehin wollte.
Ein Tag mit allen Bereichen statt fünf getrennter Gespräche. Der Workshop vor Ort brachte Geschäftsführung, Entwicklung, IT, Vertrieb, Service und Produktion in einen Raum, weil dort die Abhängigkeiten sichtbar werden: dass der ohne zentrale Kundendaten nicht klüger wird; dass vier Planer für sechzehn Techniker keine Frage der Motivation sind; dass ein Assistenzsystem im Service nur brauchbare Antworten gibt, wenn die Dokumentation vorher stimmt. Aus den Themenfeldern wurden Anwendungsfälle, aus den Anwendungsfällen mit den Kriterien eine Rangfolge.
Bewertet, nicht behauptet. Jeder der neun Fälle bekam eine eigene Karte: Nutzen, Innovationsgrad, Aufwand und Kosten, zeitliche Umsetzbarkeit, dazu Voraussetzungen, Abhängigkeiten, Risiken und die jeweilige Gegenmaßnahme. Eingetragen in ein Portfolio aus Nutzen und Aufwand ergibt das eine Karte mit einer klaren Leseregel: oben links zuerst, unten rechts nur mit Sonderbegründung. Damit ist die Reihenfolge begründet und nicht verhandelt.
Return on AI, gerechnet und als Prognose gekennzeichnet. Für die entscheidungsrelevanten Fälle haben wir jährlichen Nutzen und Implementierungsaufwand gegenübergestellt und daraus einen Korridor abgeleitet: 40 bis 60 Prozent Return innerhalb von 24 Monaten, Break-Even nach zwölf bis fünfzehn Monaten, erste sichtbare Effekte ab dem dritten Monat. Das ist eine Plausibilisierung und keine Messung, und die Strategie sagt das auch: Jeder Fall muss vor der Umsetzung seine eigene Nutzenbetrachtung mitbringen. Eine KI-Strategie, die den Return nicht rechnet, ist eine Absichtserklärung.
Ein Rahmen, der die Präsentation überlebt. Ein Lenkungskreis mit monatlichem Takt, ein Koordinator als Schnittstelle zwischen Fachbereichen und IT, definierte Entscheidungs- und Eskalationswege, Kennzahlen für Fortschritt und Datenqualität. Dazu ein Startpaket, das benennt, was in den ersten Monaten passiert. Damit hängt die Strategie nicht an dem Tag, an dem sie vorgestellt wurde.
Das Ergebnis
Eine entscheidungsreife KI-Strategie.
Sie enthält neun priorisierte Anwendungsfälle, jeder bewertet nach Nutzen, Aufwand, Innovationsgrad und zeitlicher Umsetzbarkeit und in ein Portfolio eingeordnet; sieben Handlungsempfehlungen von der Governance über den Kompetenzaufbau bis zur Dateninfrastruktur; ein Fahrplan über drei Horizonte; ein Rollen- und Steuerungsmodell; und ein gerechneter Return on AI über 24 Monate. Vom Auftakt bis zur zehn Wochen.
Diese Leistungen steckten im Projekt
Weitere Projekte
Alle Referenzen ansehen


Kontakt
Sprechen Sie uns an
Schreiben Sie uns eine Zeile. Wir ordnen Ihre Frage ein und melden uns.
